Guide utilisateur de GranulatShiny

Page d’accueil


GranulatShiny est une application Shiny qui automatise le traitement statistique des données collectées dans le cadre des enquêtes dédiées aux ressources halieutiques et à l’ichtyofaune sur les concessions d’extraction de granulats marins. L’application produit des figures et des tableaux standardisés basés sur le “Protocole halieutique”, et fournit une interface graphique interactive pour l’analyse sans aucune compétence en codage. GranulatShiny est composé de 3 approches statistiques (explicative, descriptive et inférentielle) qui peuvent être utilisées principalement pour quantifier l’influence des concessions d’extraction de granulats marins sur les communautés de poissons.


Avant de commencer, notez que vous rencontrerez différents boutons dans l’application.
Les boutons avec une icône bateau vous permettent de passer d’un onglet à un autre.

Ceux portant un petit dragon désignent une étape obligatoire.

Les boutons avec une flèche permettent de télécharger des résultats de l’application. Les formats utilisés sont (csv, png, txt, rds).

Enfin, ceux avec un cercle contenant un i sont des aides que l’on peut faire afficher pour mieux comprendre un graphique ou autres objets proposés par l’application.

Pour passer à l’onglet suivant appuyer sur le bouton start de la page d’accueil dans l’application.

Mise en forme des données

Informations à rentrer

La première étape de l’application est l’importation des données.
Si vous avez vos données, vous devez sélectionner les 2 premiers fichiers : TuttiCatch et TuttiOperation. Seul le format csv est pris en charge. Le tableau Capture concerne les données de capture provenant de l’échantillonnage des pêcheries et le tableau Opération correspond à toutes les informations dérivées des stations d’échantillonnage (type d’engin, durée des traits de chalut, coordonnées gps, etc.).
Attention, si vous n’appliquez pas le bon fichier, un message d’avertissement apparaîtra sur l’interface.
Si vous voyez ce message, il est recommandé d’ouvrir l’avis pour comparer le fichier attendu avec votre fichier. Après avoir appliqué le fichier TuttiOperation, une carte apparaîtra et vous aurez la possibilité d’interagir avec les cases Stations d’impact et Stations de référence.

Pour une meilleure visualisation, vous pouvez importer les fichiers de forme de la zone d’étude. Dans ce cas, celle-ci s’affichera sur la carte. Dans la case stations d’impact, vous pouvez vérifier et modifier la période d’étude. Vous devez également écrire dans l’espace correspondant les stations qui sont impactées par le site d’extraction. La couleur des différents prélèvements devient alors rouge pour les stations impactées (un type de rouge par prélèvement) (figure ci-dessus). Dans la case stations de référence, vous pouvez indiquer s’il y a des stations à retirer de l’analyse.
Si vous avez déjà sauvegardé le paramétrage dans un fichier, vous pouvez le télécharger et toutes les cases sont remplies automatiquement.
Enfin, lorsque vous êtes prêt, vous pouvez appuyer sur le bouton avec un dragon vert pour passer à la partie suivante. Si vous n’appuyez pas sur ce bouton, rien ne se passera et vous ne serez pas en mesure de poursuivre l’analyse. Si vous avez plus d’un site à analyser, vous pouvez revenir dans cet onglet et changer les fichiers puis appuyer à nouveau sur le bouton.

Si vous n’avez pas de données, vous pouvez l’indiquer et l’application chargera directement les données d’une concession factice. Les étapes décrites avant se feront automatiquement. En faisant le choix de travailler à partir des données mises à disposition avec l’outil, vous acceptez de faire l’analyse sur une concession fictive qui serait située dans le Golfe de Gascogne. Pour ce jeu de données fictif, on considère une concession en exploitation de 2000 à 2030, pour laquelle un suivi du compartiment halieutique a été mis en place tous les 5 ans. Le plan d’échantillonnage fictif prévoit l’échantillonnage de 10 stations dans la concession et 10 stations hors de la concession. Ce choix ne correspond pas à un plan d’échantillonnage qui aurait été élaboré en connaissance des conditions environnementales du site (i.e. faciès sédimentaires, habitats benthiques) et ne correspond donc pas aux recommandations du protocole halieutique de référence. Pour éviter toute confusion, les espèces présentes dans ce jeu de données sont fictives également. Ce jeu de données a une vocation pédagogique, il ne correspond à aucun cas réel et ne peut donc apparaître dans des documents à valeur administrative (i.e. rapports de suivi, état initial de l’environnement, état de référence avant travaux…).

Ce jeu de données fictif est composé de 3 espèces. Chaque espèce possède un échantillonage associé à une loi de distribution de probabilité spécifique. Cela permet de contôler la réponse de l’environnement sur la population de ces espèces.La première espèce Cephalaspis.tenuicornis n’est pas impactée par la concession, le temps, l’espace et les conditions environnementales. Ainsi aucun effet potentiel des variables sur l’abondance de cette espèce ne sera détecté. L’espèce Dimichtys.terreli est impactée seulement par la concession. On a donc un effet visible entre l’échantillonnage dans la zone ou hors de la zone d’exploitation. Enfin Leedsischthys.problematicus est impactée par l’extraction mais différemment en fonction des saisons. Les saisons n’influencent pas la population de cette espèce en temps normal mais l’intéraction entre zone d’extraction et les saisons influencent l’abondance de cette espèce. Ces exemples permettent d’illustrer des processus différents pour mieux comprendre ce qui est recherché lors de l’analyse inférentielle.

Table

Dans l’onglet des tableaux, il y a un tableau de données à droite et une partie interactive à gauche. Le tableau affiché est calculé à partir des données renseignées dans la partie d’avant. Les fonctions de mises en formes du tableau vont calculer l’abundance, la biomasse et différents indicateurs de diversité pour chaque station et chaque campagne. La variable indicatrice de l’état de chaque station (sans traitement ou traitement) renseigne si la sation est dans la concession et donc impacté par les travaux ou si la station est en dehors de l’action de la concession. Dans le cas d’un état initiale, les stations dans la concession se voient attribuer l’état sans traitement jusqu’à la date de début d’exploitation.

Vous pouvez changer l’affichage du tableau de données à l’aide de la flèche située sous le message “quel tableau afficher”. Il est possible de télécharger l’affichage du tableau de données et le paramétrage utilisé dans l’onglet d’importation des données. Il faut ensuite choisir une variable que l’on cherche à expliquer en fonction de l’environnement et de l’extraction sur laquelle effectuer l’analyse statistique. Néanmoins vous pouvez décidez de réaliser la partie statistique exploratoire qui s’intéresse à la communauté dans sa globalité ou de passer directement à la partie statistique descriptive qui se concentre sur une variable spécifique.

Statistiques exploratoires

Plot des indicateurs

Dans cette partie on s’intéresse aux indicateurs de biodiversité et d’abondance de la communauté en comparant la zone totale avec celle de la concession et celle en dehors de la concession. Les indicateurs présentés sont ceux référencés dans le protocole halieutique article 8.4.1. Ce tableau affiche les valeurs d’abondance, de biomasse, de richesse spécifique, des indicateurs de Shannon et de Simpson en moyenne à l’intérieur de la concession, à l’extérieur de la concession, et au global pour chaque campagne. Elles sont calculées à partir des valeurs obtenues en chaque station échantillonnée.

Les graphiques proposés en dessous représentent les valeurs moyennes (points) et les percentiles 5 et 95 (barres hautes et basses) obtenus pour les mêmes indicateurs que ceux du tableau en fonction de la campagne sélectionnée (Protocole halieutique 8.4.1). L’intérêt de ces graphiques est de pouvoir visualiser rapidement les différences entre la zone de concession et la zone de référence pour chaque indicateur.


L’intérêt de ces approches est de pouvoir comparer la communauté halieutique à plusieurs échelles. Dans un premier temps, la comparaison est accès sur intérieur ou extérieur de la concession. Mais si les campagnes sont regardées les unes après les autres, il pourrait être possible de distinguer des changements au cours du temps. Il ya à la fois un aspect spatial et temporel.

Plot de la structure

Ce tableau représente le pourcentage de chaque espèce présente pour chaque campagne d’échantillonnage (Protocole halieutique 8.4.1). Le tableau permet de suivre l’évolution des populations d’espèces au fil du temps et offre une perspective sur les tendances de population. En observant les variations des pourcentages d’espèces d’une année à l’autre il est possible de détecter des changements écologiques significatifs, tels que des fluctuations dans la biodiversité, des modifications des habitats ou des pressions environnementales. Il permet aussi d’identifier les espèces qui dominent dans un écosystème donné ainsi que celles qui sont en déclin. Enfin, il permet d’évaluer l’impact de la gestion mise en place sur la communauté de poissons.

Cette figure représente l’abondance de chaque espèce par campagne par ordre d’importance et la courbe d’abondance cumulées en fonction du nombre d’espèce par ordre d’importance (Protocole halieutique 4.1).

La première figure représente l’abondance de chaque espèce pour une campagne dans un histogramme ordonné par ordre d’abondance décroissante. Cela permet d’identifier les espèces dominantes, de visualiser les tendances temporelles, de détecter les variations saisonnières et annuelles, de comparer les données entre différentes campagnes et de communiquer les résultats de manière claire et concise. La deuxième figure est une courbe d’abondance cumulée en fonction du nombre d’espèces par ordre d’abondance décroissante. L’abondance cumulée se réfère à la somme cumulative des abondances des espèces dans un ensemble de données, en commençant par l’espèce la plus abondante et en ajoutant successivement les abondances des espèces suivantes dans l’ordre décroissant. La courbe d’abondance cumulée permet d’évaluer la diversité et la répartition des espèces dans un écosystème ou dans un échantillon biologique. Plus la courbe est plate, plus la communauté est diversifiée alors qu’une courbe qui monte rapidement puis s’aplatit indique une communauté où quelques espèces sont très abondantes tandis que la plupart des espèces sont rares. Attention la courbe d’abondance cumulée apporte un intérêt lorsqu’il y a de nombreuses espèces différentes. Ces résultats sont issus d’un jeu de données d’une concession fictive avec seulement 3 espèces. En pratique, vous ne devriez pas avoir ce genre de résultats avec vos données.

Statistiques descriptives

Plot des données

Dans cette partie on s’intéresse à un indicateur en particulier (abondance d’une espèce, biomasse totale, indicateur de diversité, …) et on le compare aux variables explicatives de notre jeu de données. On recherche des effets ou des corrélations possibles en amont des statistiques inférentielles. La partie verte est composée d’un tableau qui résume la variable expliquée et d’un simple histogramme pour voir la distribution de la variable Dans un premier temps le tableau renseigne sur le nombre de zéro présent, la longueur totale de la série de valeurs et un la fraction du nombres de zéros et valeurs manquantes sur le nombre de valeurs totales. Ensuite, il fournit également la moyenne, les extrêmes, l’écart-type et les quartiles de la série. Enfin, l’histogramme montre la répartition des valeurs en fréquence.

Dans la première boite bleue à gauche il est possible de visuliser des diagrammes d’intéractions. Un diagramme d’interaction peut représenter la manière dont différentes entités ou variables interagissent entre elles et ainsi comprendre les dépendances qui existent entre elles. Dans GranulatShiny le diagramme d’interaction permet de voir l’interaction entre la zone d’impact/non-impact et les autres covariables telles que la saison, l’année, la station et la campagne d’échantillonnage. Le diagramme d’interaction correspond à la moyenne de la variable étudiée en fonction des valeurs d’un premier facteur, avec une courbe pour chaque valeur d’un deuxième facteur.Dans l’exemple, la valeur de l’abondance est donnée en moyenne par saison en faisant la distinction entre les stations avec impact et sans impact.

Dans la deuxième boite bleue à gauche il est possible de visuliser des boites à moustaches. La boite à moustache ou boxplot offre une autre représentation pour interpréter le lien entre la variable expliquée et les variables explicatives comme l’impact, l’année, l’enquête, la station et la saison. Dans les représentations graphiques de données statistiques, le boxplot est un moyen rapide de figurer le profil essentiel d’une série statistique quantitative. Le boxplot résume quelques indicateurs de position du caractère étudié (médiane, quartiles, minimum, maximum ou déciles). Il est souvent utilisé pour comparer rapidement deux séries. Dans GranulatShiny, la série de la variable expliquée (ici l’abondance) dans la zone avec impact est comparé avec celle de la zone sans impact. Il est possible dans l’appli de passer au log pour avoir une meilleure visualisation des boxplots car les valeurs extrêmes peuvent écraser le graphique.

Après l’exploration des données, il est possible de passer à l’onglet suivant en appuyant sur le bouton “Choisir la probabilité de distribution” ou en cliquant sur “diagnostique d’analyse”.

Diagnostique d’analyse

Cet onglet permet de choisir et de visualiser la distribution de probabilité qui correspond le mieux à la variable expliquée. En gris, c’est l’histogramme de fréquence de la variable, en bleu c’est la fonction de densité et en vert c’est la distribution de probabilité. Les paramètres de chaque distribution de probabilité sont approximés à l’aide de la moyenne et de l’écart type de la variable. Vous pouvez changer le type de distribution de probabilité et si elle ne correspond pas du tout, un message d’avertissement apparaît. Dans l’exemple c’est l’abondance qui est représenté et la loi choisie est une loi Lognormale.

Lorsque vous êtes satisfait de la distribution des probabilités, vérifiez la phrase au-dessus du bouton “Passer à la modélisation”. Il y a deux possibilités. Dans le cas où vous avez moins de 30 observations, la phrase dit : “Vous n’avez pas assez de valeurs pour passer à la partie modélisation”. Dans ce cas, vous devez changer la variable de travail car il n’y a pas assez de valeur pour créer un modèle pertinent. A l’inverse, vous aurez : “Après avoir choisi une distribution de probabilité, vous pouvez passer à la construction du modèle”. Lorsque vous avez terminé, appuyez sur le bouton “passer à la modélisation”.

Modélisation

Création des modèles

Cette partie est consacrée à la création d’un modèle pour l’analyse inférentielle
Il existe 3 types de modèles : GLMM, GLM, Permanova. Les modèles linéaires généralisés (GLM) permettent d’étendre les idées de la modélisation linéaire à une classe plus large de types de réponses, telles que les données de comptage ou les réponses binaires.
Les modèles linéaires généralisés constituent une approche commune pour un large éventail de problèmes de modélisation des réponses. Les réponses normales, de Poisson et binomiales sont les plus couramment utilisées, mais d’autres distributions peuvent également être utilisées.
Les modèles linéaires mixtes généralisés (GLMM) sont une extension des GLM. Un GLMM est dit “mixte” parce qu’il comprend au moins un effet “fixe”, les variables explicatives et au moins un effet “aléatoire”. Les effets aléatoires ne sont pas des termes évalués, ils servent uniquement à indiquer au modèle que les données ne sont pas indépendantes et reflètent une corrélation entre les unités statistiques. D’un point de vue statistique, cela permet d’estimer précisément la déviance résiduelle et donc d’éviter de biaiser l’erreur standard des paramètres. Au final, cela se traduit par des p-values plus fiables.
PERmutational Multivariate ANalysis Of VAriance (PERMANOVA) est un test statistique non paramétrique à plusieurs variables. Il est utilisé pour comparer des groupes d’objets et tester l’hypothèse nulle selon laquelle les centroïdes et la dispersion des groupes, tels que définis par l’espace de mesure, sont équivalents pour tous les groupes. Le rejet de l’hypothèse nulle signifie que le centroïde et/ou la dispersion des objets sont différents entre les groupes.
En résumé, la Permanova est un test de l’effet parallèle de plusieurs facteurs sur l’espèce ou le paramètre étudié. Elle équivaut à plusieurs ANOVA à sens unique. Alors que le GLM équivaut à l’effet combiné de tous les facteurs, le GLM permet de dériver la contribution de chaque variable afin de déterminer l’ampleur de la contribution de chaque facteur environnemental. Vous pouvez comprendre que permanova est l’effet parallèle de plusieurs facteurs, tandis que GLM est l’effet combiné. Ainsi, lorsqu’il n’est pas possible de mettre en place un GLMM ou un GLM (manque de données, etc.), une permanova peut être utilisée.

Selon le type de modèle que vous choisissez, vous aurez une première formulation différente du modèle :
GLMM → Biom ~ traitement * saison + (1|campagne) + (1|station)
GLM → Biom ~ traitement * saison
PERMANOVA → Biom ~ traitement * saison

Les modèles sont centrés sur la variable traitement car la surveillance des concessions d’extraction de granulats marins est basée sur la méthode BACI (Before After Control Impact). Par définition, la méthode BACI compare des sites témoins (c’est-à-dire non impactés) et des sites impactés et teste les différences entre l’avant et l’après. Il s’agit d’une méthode couramment utilisée dans la surveillance de l’environnement océanique et une méthode BACI bien conçue reste l’un des meilleurs modèles pour les programmes de surveillance des effets sur l’environnement. Malheureusement, ce modèle présente plusieurs limites méthodologiques qui compromettent sa capacité à détecter des effets dans certaines études. Les concessions d’extraction de granulats marins sont exploitées dans l’océan. Mais l’océan est spatialement et temporellement dynamique, et trouver deux emplacements statistiquement identiques l’un à l’autre tout en étant suffisamment éloignés géographiquement pour être statistiquement indépendants constitue un véritable défi.

Et pour GLMM et GLM, vous devrez choisir une distribution de probabilité. Par défaut, il propose la dernière distribution de probabilité que vous avez vérifiée dans la partie précédente. Attention la méthode utilisée pour la modélisation est une méthode itérative, il se peut donc que la distrubution qui semblait la plus adéquate dans la partie précédente n’est pas forcément celle qui permettra de mieux faire converger le modèle. Néanmoins la partie d’avant est là pour sélectionner un nombre de distribution possible pour ne pas avoir à tous tester ici.

Vous pouvez également conserver ou non l’interaction entre les covariables traitement et saison. Attention si l’interaction n’apporte rien au modèle celle-ci est retirée automatiquement. Vous pouvez également ajouter d’autres covariables dans votre modèle. Elles seront ajoutées sans interaction avec les autres. Lorsque vous êtes prêt, vous pouvez cliquer sur “démarrer la modélisation”.
La première sortie est un écran de la console r. Vous pouvez choisir d’afficher le tableau d’analyse de la déviance ou le résumé du résultat de la modélisation. Vous pouvez choisir d’afficher les résultats du modèle avant optimisation via le choix initial ou alors le modèle optimisé via le choix final en bas à gauche.

## 
## Call:
## glm(formula = log(Abun) ~ traitement + saison, family = gaussian(link = identity), 
##     data = dataset)
## 
## Coefficients:
##                       Estimate Std. Error t value Pr(>|t|)    
## (Intercept)            7.81839    0.11550  67.690  < 2e-16 ***
## traitementSans impact  0.81685    0.10132   8.062 3.75e-15 ***
## saisonSpring           0.03570    0.14208   0.251    0.802    
## saisonSummer           0.06448    0.14230   0.453    0.651    
## saisonAutumn          -0.19077    0.14208  -1.343    0.180    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for gaussian family taken to be 1.614865)
## 
##     Null deviance: 1135.1  on 638  degrees of freedom
## Residual deviance: 1023.8  on 634  degrees of freedom
## AIC: 2126.6
## 
## Number of Fisher Scoring iterations: 2

L’autre sortie est un graphique utilisant le package DHARMa pour résumer les résidus du modèle. Le premier graphique représente les résidus attendus par les observations. Si les points ne suivent pas la ligne rouge, il y a un problème avec le choix du modèle. Il existe également 3 tests : Kolmogorov-Smirnov, Dispersion et Valeur aberrante. Le test de Kolmogorov-Smirnov est un test d’hypothèse utilisé pour déterminer si un échantillon suit bien une loi donnée connue par sa fonction de répartition continue. Le test statistique par défaut dans DHArMa pour le test de dispersion est l’écart-type observé / simulé des données. Et le test de valeur aberrante permet de vérifier si le nombre d’observations en dehors de l’enveloppe de simulation est plus grand ou plus petit que prévu. Pour chaque test, il y a un calcul de la déviation. S’il est significatif, il apparaît en rouge et le test n’est pas concluant.
Sur l’autre graphique, regardez l’uniformité et l’homogénéité des groupes. Le premier test, s’il est en rouge, vous alerte sur le fait que certaines distributions de résidus au sein des groupes ne sont pas uniformes, c’est-à-dire que si vous représentez vos résidus pour un groupe spécifique (celui qui est surligné en rouge), ils ne semblent pas uniformes. Donc ils s’écartent de manière significative des hypothèses de votre modèle. S’il n’est pas en rouge, le test est validé. Le deuxième test correspond à un test de Levene. En statistique, le Test de Levene est une statistique déductive utilisée pour évaluer l’égalité de variance pour une variable calculée pour deux groupes ou plus.


Dans le cas de l’exemple, le test de dispersion n’est pas significatif donc l’écart-type observé est proche de celui simulé. Par contre, les tests de Kolmogorov-Smirnov et de Valeur aberrante sont signifcatifs, ils apparaisent en rouge, il y a donc un problème. Il est possible alors de chercher un autre modèle qui s’ajusterait mieux. On peut voir également que le test d’uniformité est validé mais pas celui d’homogénéité. Une fois le modèle validé, vous pouvez changer d’onglet et passer à la visualisation des effets associés au modèle.

Représentation des effets

Cette onglet permet de visualiser graphiquement les effets des variables explicatives sur la variable expliquée. D’abord vous devez choisir les deux prédicteurs à représenter.

Si vous avez plusieurs covariables vous devez les fixer afin de pouvoir visualiser le graphique. Attention si vous avez réalisé un modèle de type PERMANOVA cette section n’est pas sollicité et la fenêtre graphique sera blanche.
Dans l’exemple d’un GLM qui regarde l’abundance totale en fonction du traitement et de la saison, voici le graphique obtenu :

Puissance statistique

Cette partie est en cours de développement. L’outil antérieur construit par Mathis Cambreling fonctionne seulement pour le jeu de données ayant servi de base à ses calculs. L’outil n’étant pas généralisable, celui-ci a été retiré pour assurer la stabilité actuelle de l’application. Un autre outil est en cours de développement.